i
HALAMAN JUDUL
TUGAS AKHIR - TF 141581
OPTIMISASI TUNING KONTROL PID PADA
AMINE
REGENERATOR
DI
PROSES
SWEETENING GAS
YUSUF ADI PUTRA NRP. 2412 100 068 Dosen Pembimbing
HENDRA CORDOVA, ST, MT
DEPARTEMEN TEKNIK FISIKA Fakultas Teknologi Industri
Institut Teknologi Sepuluh Nopember Surabaya 2017
ii FINAL PROJECT - TF141581
OPTIMIZATION TUNING PID CONTROL AT
AMINE REGENERATOR IN GAS SWEETENING
PROCESS
YUSUF ADI PUTRA NRP. 2412 100 068 Supervisor
HENDRA CORDOVA, ST, MT
DEPARTMENT OF ENGINEERING PHYSICS Faculty of Industrial Technology Institut Teknologi Sepuluh Nopember Surabaya 2017
LEMBARPENGESAHAN
PTIMISASI TUNING KONTROL PID P ADA AMINE REGENERATOR DI PROSES SWEETENING GAS
TUGASAKHIR Oleh: Yusuf Adi Putra NRP : 2412 100 068 Surabaya, 2 Juni 2017 Mengetahui/Menyetujui Pembimbing
C1
Hendra Cordova, ST, MT NIPN. 19690530 1994121 IVLEMBARPENGESAHAN
IISASI TUNING KONTROL PID P ADA AMINE
r:-GE.YERATOR DI PROSES SWEETENING GAS
TUGASAKffiR
U!ajukan Untuk Memenuhi Salah Satu Syarat
Memperoleh Gelar Sarjana Teknik
pada
Bidang Studi Rekayasa Instrumentasi
?rogram Studi S-1 Departemen Teknik Fisika Fakultas Teknologi Jndustri
lnstitut Teknologi Sepuluh Nopember Oleh:
YUSUF ADT PUTRA NRP. 2412 100 068
Disetujui oleh Tim Penguji Tugas Akhir:
-...::o Cocdova, ST, MT.
r
.. [;
(Pembimbing) :nar. M.T.~·
(Ketua Penguji)- witri, ST, MT
.':f~t_
(Penguji 1)SURABAYA Juli, 2017
viii
OPTIMISASI TUNING KONTROL PID PADA AMINE REGENERATOR DI PROSES SWEETENING GAS Nama Mahasiswa : Yusuf Adi Putra
NRP : 2412 100 068
Departemen : Teknik Fisika FTI-ITS Dosen Pembimbing : Hendra Cordova, ST, MT. Abstrak
Amine regenerator pada plant sweetening gas berfungsi untuk memisahkan kandungan CO2 dan H2S dari larutan amine. Pada industri pemurnian gas alam, proses ini disebut proses regenerasi larutan amine. Dan pada Amine Regenerator terdapat 3 buah single loop kontrol (LIC-100,PIC-100 dan TIC-100) yang fungsinya menjaga level air agar tetap seimbang serta menjaga tekanan dan temperature agar sesuai dengan set point. Sehingga pada 3 pengendali yang ada pada Amine Regenerator dijadikan sebagai analisa penelitian dalam Perancangan pengendali dengan metode PID-DA (Duelist Algoritma) yang bertujuan untuk menghasilkan respon yang lebih baik sesuai dengan kriteria performansi sistem pengendalian. Analisa dilakukan dengan membandingkan metode Tuning yaitu Ziegler Nichols. Performansi yang dijadikan pembanding adalah nilai IAE, Rise time, dan maksimum Overshoot. KataKunci: IAE, Duelist Algoritma, Amine Renerator, Single Loop, PID
x
OPTIMIZATION TUNING PID CONTROL AT AMINE REGENERATOR IN GAS SWEETENING PROCESS
Name : Yusuf Adi Putra
NRP : 2412 100 068
Department : Department of Engineering Physics Supervisor : Hendra Cordova, ST, MT.
ABSTRACT
Abstract
Amine regenerator in the sweetening gas plant serves to separate the content of CO2 and H2S from an amine solution. In the natural gas purification industry, this process is called the regeneration process of amine solution. And on the Amine Regenerator there are 3 pieces of single-loop control (LIC-100, PIC-100 and TIC-100) whose function is to keep the water level to stay balanced and keep the pressure and temperature to fit the set point. So that the three controllers in the Amine Regenerator serve as a research analysis in the design of the controller with PID-DA method (Duelist Algorithm) which aims to produce a better response in accordance with the performance control system criteria. The analysis was done by comparing Tuning method is Ziegler Nichols. Comparable performance is IAE, Rise time, and Maximum Overshoot value. Keyword: IAE, Duelist Algoritma, Amine Renerator, Single Loop,
xii
KATA PENGANTAR
Puji syukur penulis panjatkan kepada Allah S.W.T, karena rahmat dan hikmat-Nya sehingga penulis diberikan kesehatan, kemudahan, dan kelancaran dalam menyusun laporan tugas akhir ini. Tidak lupa juga penulis menyampaikan ucapan terima kasih kepada keluarga dan para sahabat. Oleh karena dukungan mereka, penulis mampu menyusun laporan tugas akhir yang berjudul:
“OPTIMISASI TUNING KONTROL PID PADA AMINE REGENERATOR DI PROSES SWEETENING GAS” Tugas akhir ini merupakan salah satu persyaratan akademik yang harus dipenuhi dalam Program Studi S-1 Teknik Fisika FTI-ITS. Penulis menyampaikan terima kasih yang sebesar-besarnya kepada: 1. Segenap keluarga penulis yang telah memberikan dukungan
penuh terhadap penyelesaian tugas akhir ini.
2. Bapak Hendra Cordova, ST, MT. selaku dosen pembimbing tugas akhir ini, yang selalu memberikan motivasi dan ide-ide baru.
3. Bapak Agus Muhamad Hatta, S.T., M.Si., Ph.D. selaku ketua Departemen Teknik Fisika - ITS.
4. Segenap Bapak/Ibu dosen pengajar di Departemen Teknik Fisika - ITS.
5. Rekan-rekan warga Teknik Fisika - ITS, yang senantiasa memberikan motivasi dan perhatian.
6. Rekan-rekan seperjuangan TA yang telah memotivasi dan memberikan bantuan-bantuan dalam penyelesaian laporan tugas akhir ini.
Penulis menyadari bahwa mungkin masih ada kekurangan dalam laporan ini, sehingga kritik dan saran penulis terima. Semoga laporan ini dapat berguna dan bermanfaat bagi penulis dan pihak yang membacanya.
Surabaya, 2 Juni 2017 Penulis
xiv DAFTAR ISI HALAMAN JUDUL ... i LEMBAR PENGESAHAN ... iv LEMBAR PENGESAHAN ... vi Abstrak ... viii Abstract... x
KATA PENGANTAR ... xii
DAFTAR ISI ... xiv
DAFTAR GAMBAR ... xvi
DAFTAR TABEL ... xviii
BAB I PENDAHULUAN ... 1
1.1. Latar Belakang ... 1
1.2 Rumusan Masalah ... 2
1.3 Ruang Lingkup Kerja ... 3
1.4 Tujuan ... 3
1.5 Sistematika Laporan ... 3
BAB II DASAR TEORI ... 5
2.1 Acid Gas Sweetening ... 5
2.2 Model Pengendalian Dasar ... 6
2.3 Karakteristik Sistem ... 11
2.4 Respon Sistem ... 13
2.5 Integral Absolute Error (IAE) ... 14
2.6 First Order Plus Dead Time (FOPDT) ... 16
2.7 Duelist Algorithm ... 17
2.8 Metode Ziegler-Nichols ... 21
BAB III METODOLOGI PENELITIAN ... 23
3.1 Diagram Alir Penelitian ... 23
3.2 Pengumpulan Data ... 24
3.3 Pemodelan ... 24
3.4 Validasi ... 24
3.5 Perancangan Duelist Algorithm ... 24
3.6 Validasi ... Error! Bookmark not defined. 3.7 Optimisasi parameter tuning kontrol PID pada 3 kontroler di amine regenerator menggunakan DA... 24
xv
BAB IV HASIL DAN PEMBAHASAN ... 27
4.1 Pemodelan Proses ... 27
4.2 Pengambilan Data Sekunder ... 30
4.3 Pemodelan Matematis Amine Regenerator ... 33
4.4 Validasi Pemodelan ... 42
4.5 Perancangan Pengendali PID ... 45
4.6 Perancangan Duelist Algorithm (DA)... 46
4.7 Pengujian Perfomansi Sistem ... 46
BAB V KESIMPULAN DAN SARAN ... 53
5.1 Kesimpulan ... 53
5.2 Saran ... 53
DAFTAR PUSTAKA... 55 LAMPIRAN A
xvi
DAFTAR GAMBAR
Gambar 4.1 Model sistem pemurnian gas ... 29
Gambar 4.2 Model Amine Regenerator ... 30
Gambar 4.3 Grafik hasil simulasi open loop naik 10% pada ... 34
Gambar 4.4 Grafik uji open loop perubahan nilai MV ... 35
Gambar 4.5 Grafik hasil simulasi open loop naik 10% pada ... 35
Gambar 4.6 Grafik uji open loop perubahan nilai MV ... 36
Gambar 4.7 Grafik hasil simulasi open loop naik 10% pada ... 36
Gambar 4.8 Grafik uji open loop perubahan nilai MV ... 37
Gambar 4.9 Grafik perbandingan validasi open loop fungsi transfer (TIC-100) ... 43
Gambar 4.10 Grafik perbandingan validasi open loop fungsi transfer (LIC-100) ... 44
Gambar 4.11 Grafik perbandingan validasi open loop fungsi transfer (PIC-100) ... 44
Gambar 4.12 Diagram blok sistem pengendalian ... 45
Gambar 4.13 Blok desain Simulink sistem pengendalian ... 45
Gambar 4.14 Respon tuning Kp, Ti dan Td pada TIC-100 ... 47
Gambar 4.15 Respon tuning Kp, Ti dan Td pada LIC-100 ... 48
Gambar 4.16 Respon tuning Kp, Ti dan Td pada PIC-100 ... 48 Gambar 4.17 Respon grafik perbandingan hasil DA dengan ZN . 49 Gambar 4.18 Respon grafik perbandingan hasil DA dengan ZN . 50 Gambar 4.19 Respon grafik perbandingan hasil DA dengan ZN . 51
xviii DAFTAR TABEL
Tabel 4.1 Input dan Ouput pada Absorber dan Regenerator ... 28
Tabel 4.2 Spesifikasi Absorber dan Regenerator ... 28
Tabel 4.3 Data Operasional TIC-100... 31
Tabel 4.4 Data Operasional LIC-100... 32
Tabel 4.5 Data Operasional PIC-100 ... 32
Tabel 4.6 Interpolasi 63% Level ... 38
Tabel 4.7 Interpolasi 28% Level ... 39
Tabel 4.8 Interpolasi 63% Level ... 41
Tabel 4.9 Interpolasi 28% Level ... 42
Tabel 4.10 Hasil tuning parameter PID ... 46
Tabel 4.11 Parameter DA ... 46
Tabel 4.12 Hasil tuning PID ZN dan DA pada TIC-100 ... 50
Tabel 4.13 Hasil tuning PID ZN dan DA pada PIC-100 ... 51
1
BAB I PENDAHULUAN
PENDAHULUAN 1.1. Latar Belakang
Saat ini persaingan industri sangat ketat, untuk itu perlu memiliki performansi bagus yang memenuhi standar lingkungan [1]. Agar mencapai hal tersebut, suatu industri perlu dilakukan desain yang baik, maintenance yang aktif dari sisi material peralatan, sumber daya manusia yang menjamin produksi sebanyak-banyaknya. Kualitas yang sesuai konsumsi energi minimal dan limbah yang sesedikit mungkin untuk mendapatkan performansi yang baik[2].
Proses sweetening gas meruapakan suatu proses yang bertujuan untuk pemurnian gas. Dimana gas alam yang mempunyai beberapa kandungan pengotor atau impurities seperti CO2, H2S dan CO mempunyai dampak yang besar terhadap lingkungan. Ketika senyewa tersebut dilepaskan ke atmosfer maka akan menimbulkan masalah, oleh karena itu dilakukan proses ini yang bertujuan untuk menghilangkan kandungan pengotor tersebut [5].
Pada proses sweetening gas tersebut terdapat 2 plant yang komplek dan non-linier yaitu absorber dan regenerator. Pada absorber terjadi proses pemisahan gas CO2 dan menghilangkan kandungan H2S yang terdapat dalam gas alam dengan mengkontakan larutan amine, dimana larutan amine tersebut akan menyerap kandungan pengotor tersebut, sedangkan pada regenerator akan terjadi proses pembersihan larutan amine yang telah meng-absorb senyawa CO2 dan H2S. Pada regenerator banyaknya larutan amine yang dipisah dari senyawa pengotor yang telah diserap dan menghemat energi panas untuk melakukan proses pembersihan tersebut mendapatkan perhatian yang utama [5]. Oleh sebab itu pada penelitian ini tuning dilakukan untuk mencapai fungsi tujuan mendapatkan nilai Intergal Absolut Eror (IAE ) yang minimum dan menerapkan instrumen proses kontrol dan optimasi atau advance control [3].
Kontrol PID merupakan metode yang paling umum yang digunakan pada sistem feedback alami maupun buatan manusia.
2
PID merupakan metode yang sering digunakan di berbagai industri, instrumen dan peralatan laboratorium. Dalam aplikasi teknik terdapat berbagai model pengendali, yaitu controller yang berdiri sendiri, sebagai bagian dari hirarki, sistem kontrol yang didistribusikan, atau dibangun ke komponen tertanam [8]. Pengendali Proporsional-integral-derivatif (PID) umumnya digunakan pada industri proses kontrol karena kinerja yang baik, meskipun dengan struktur yang sederhana sehingga mudah dipahami dan diterapkan. Pada umumnya PID terintegrasi ke dalam sistem kontrol yang kompleks (advance) untuk mencapai hasil kontrol yang optimal [4].
Regenerator yang digunakan dalam penelitian ini telah dibuat oleh peneliti sebelumnya dengan bantuan software Hysys. Dalam penelitian ini data yang diambil sebagai percobaan dalam melakukan perancangan tuning adalah kendali level yaitu LIC-100 sebagai pengendali level ketinggian air yang masuk pada reflux condenser, temperatur yaitu TIC-100 sebagai pengendali suhu panas pada reboiler serta tekanan yaitu PIC-100 sebagai pengendali tekanan pada kolom stripper. Karena sangat penting dalam menjaga variabel terkontrol tersebut, maka diperlukan kontrol yang optimum dengan cara membuat sistem tuning kontrol modern.
Pada penelitian ini dijelaskan bahwa untuk pemilihan rentang nilai tiap parameter dilakukan dengan metode Zieger-Nichols sebelum dilakukan optimasi menggunakan Duelist algorithm. Dalam tugas akhir ini, dilakukan optimasi tuning kedua parameter PID pada regenerator secara simultan menggunakan Duelist Algorithm.
1.2 Rumusan Masalah
Berdasarkan dari latar belakang maka dapat dirumuskan permasalahan sebagai berikut:
1. Bagaimana merancang tuning kontrol PID secara simultan menggunakan Duelist Algorithm pada plant regenerator di proses sweetening gas
3
2. Bagaimana hasil performansi metode tuning kontrol PID menggunakan Duelist Algorithm
1.3 Ruang Lingkup Kerja
Lingkup kerja pada penelitian Tugas Akhir ini adalah sebagai berikut.
1. Menggambil data sekunder dari software HYSYS 7.3.
2. Plant yang digunakan adalah amine regenerator pada proses sweetening gas
3. 3 buah kontroler yang di tuning yaitu Level pada reflux drum, Temperatur pada bottom coloumn, dan Tekanan pada top coloumn.
4. Merancang Duelist Algorithm untuk optimisasi parameter tuning PID
1.4 Tujuan
Tujuan Penelitian ini adalah :
1. Merancang tuning kontrol PID secara simultan dengan menggunakan Duelist Algorithm pada amine regenerator di proses sweetening gas
2. Menganalisa dampak penerapan Duelist Algorithm terhadap hasil performansi
1.5 Sistematika Laporan
Laporan penelitian Tugas Akhir ini disusun secara sistematis dengan perincian sebagai berikut :
BAB I PENDAHULUAN
Bab ini berisi tentang penjelasan latar belakang, ruang lingkup kerja, tujuan, dan sistematika laporan.
BAB II DASAR TEORI
Bab ini berisi tentang teori-teori yang meliputi kontrol PID, proses gas sweetening, Duelist Algorithm, FOPDT, Karakteristik Sistem dan Respon Sistem.
4
BAB III METODOLOGI PENELITIAN
Dalam bab ini akan dijelaskan langkah – langkah yang dilakukan dalam penelitian.
BAB IV ANALISIS DATA DAN PEMBAHASAN
Pada bab ini berisi analisa hasil dan pembahasan yang didapat selama melakukan penelitian.
BAB V KESIMPULAN DAN SARAN
Berisi tentang kesimpulan dan saran dari hasil penelitian yang telah dilakukan.
DAFTAR PUSTAKA
Daftar pustaka dari semua referensi yang digunakan dalam penyusunan penelitian.
5
BAB II DASAR TEORI
DASAR TEORI 2.1 Acid Gas Sweetening
Acid gas sweetening merupakan proses purifikasi gas dimana proses ini memiliki fungsi untuk menghilangkan komposisi senyawa H2S dan CO2 dari gas alam, senyawa H2S memiliki sifat korosif karena mengandung senyawa sulfur dan pada senyawa CO2 memiliki karakteristik menurunkan kualitas pembakaran, karena senyawa ini memiliki ikatan karbon. Ketika gas alam akan digunakan, tentunya senyawa ini tidak boleh ada didalam kandungan gas alam, tetapi pada umumnya kandungan CO2 dan H2S memiliki batas toleransi sebesar 3-4 mol% dan 0.25 gr / 100 scf [3]. Dalam penelitian ini, digunakan senyawa kimiawi yang berfungsi untuk menyerap senyawa-senyawa tersebut, senyawa kimiawi itu adalah di ethanol amine (DEA). Skema penyerapannya berdasarkan kepada teori dimana rantai sulfur dan karbon akan terputus apabila terdapat kandungan senyawa alkanol amine [5]. Cara kerja dari DEA untuk memurnikan gas sesuai dengan reaksi kimia berikut [6].
Pada proses di absorber :
R3N + H2S (R3NH)+ + (HS)- (2.1) 2R2NH + CO2 (R2NH2)+ + (R2NCO2)- (2.2)
{CO2 + H2O H2CO3} (2.3)
R3N + H2CO3 (R3NH)+ + (HCO3)- (2.4) Pada proses di regenerator :
(R3NH)+ + (HS)- + Heat R3N + H2S (2.5) (R2NH2)+ + (R2NCO2)- 2R2NH + CO2 (2.6) (R3NH)+ + (HCO3)- + Heat R3N + H2CO3 (2.7) {H2CO3 + Heat CO2 + H2O} (2.8) Berdasarkan rumus reaksi kimia dari DEA, dalam proses acid gas sweetening terjadi dua proses, yaitu pemurnian gas alam dengan menghilangkan senyawa H2S dan CO2 pada absorber, dan
6
proses pembersihan senyawa DEA pada regenerator untuk digunakan kembali pada proses abosrber. Senyawa DEA ini memiliki karakteristik reversible, yakni senyawa ini dapat dibersihkan dari kandungan sulfur dan karbon sehingga senyawa ini dapat digunakan kembali untuk proses yang sama [2], DEA yang digunakan diregenerasi secara close loop. Berikut merupakan diagram alir dari acid gas sweetening.
MDEA CONT Regenerator Heat Exchanger Condenser Reboiler RICH MDEA Sweet Gas MDEA COOLER
Rich Pump Pump Rich L/R Regen Feed To Condenser Acid Gas Reflux Boil Up To Reboiler Lean L/R MDEA To Cont Z Z 2 Sour Gas z+1 z z-1 1 Regen Bttms Regen Bttm to L/R z+1 z z-1
Gambar 2.1 PFD dari acid gas sweetening [2]. 2.2 Model Pengendalian Dasar
Tiga jenis pengendali dasar yang biasanya digunakan untuk kontrol continus feedback adalah Proporsional (P), Integral (I), dan Derivatif (D). Arsitektur dasar perangkat analog dan pemrograman perangkat digital bervariasi antara ketiganya, tapi fungsi dasar mereka sama.
a. Pengendali Proporsional
Pada kontrol umpan balik(feedback), tujuan utamanya adalah menghilangkan error dimana
7
Dimana,
𝑒(𝑡) = sinyal error 𝑦𝑠𝑝(𝑡) = set point
𝑦𝑚(𝑡) = nilai terukur dari transmitter
Kontrol Proporsional (P) berfungsi untuk memperkuat sinyal kesalahan penggerak 𝑒(𝑡), sehingga akan mempercepat output sistem mencapai titik referensi atau set point. Pengendali P mengubah sinyal outputnya terhadap sinyal 𝑒(𝑡), merupakan perbedaan antara set point dan sinyal proses variabel (PV) yang berasal dari transmitter.
Gambar 2.2 Diagram blok pengendali P
𝑝(𝑡) = 𝑝̅ + 𝐾𝑐𝑒(𝑡) (2.10)
dimana,
𝑝(𝑡) = output pengendali 𝑝̅ = nilai bias (steady state) 𝐾𝑐 = gain pengendali
Konsep pengendali P adalah Gain pengendali dapat menyesuaikan perubahan sinyal output terhadap deviasi antara set point dan variabel kontrol. Selain itu, nilai 𝐾𝑐 dapat dipilih untuk
menaikkan atau menurunkan sinyal output. Sinyal bias adalah konstanta dan sebagai nilai output pengendali ketika ada kesalahan.
8
Sinyal bias (𝑝̅) dapat menyesuaikan, karena sinyal pengendali output bernilai sama dengan 𝑝̅ jika error nol. Sebagai contoh jika elemen akhir adalah control valve, 𝑝̅ menyesuaikan sehingga laju aliran yang melalui control valve sama dengan saat kondisi steady state.
Beberapa pengendali memiliki proportional band (PB) sebagai ganti gain pengendali. Dimana semakin besar PB berarti semakin kecil nilai 𝐾𝑐. PB didefinisikan (%) sebagai berikut.
𝑃𝐵 =100% 𝐾𝑐
(2.11)
b. Pengendali Integral (I)
Aksi kontrol Integral (I) berfungsi untuk mendorong proses kembali ke nilai setpoint ketika telah mengalami gangguan. Sebuah pengendali proporsional biasanya tidak akan mengembalikan ke setpoint ketika gangguan terjadi. Jenis error permanen ini,disebut steady state error atau offset. Aksi pengendali I mengurangi offset ke nol. Persamaan kontrol integral seperti persamaan berikut.
𝑝(𝑡) = 𝑝̅ +1
𝜏𝑖∫ 𝑒(𝑡) 𝑡 0
𝑑(𝑡) (2.12)
Dimana, parameter 𝜏𝑖 dapat menyesuaikan terhadap watu integral atau waktu pengulangan (reset time).
Gambar 2.3 Diagram blok pengendali I
Namun, pengendali P membutuhkan koreksi secara cepat ketika error terjadi. Sehingga pengendali I umumnya dihubungkan
9
dengan pengendali P menjadi pengendali proportional-integral (PI). 𝑝(𝑡) = 𝑝̅ + 𝐾𝑐(𝑒(𝑡) + 1 𝜏𝑖∫ 𝑒(𝑡) 𝑡 0 𝑑(𝑡)) (2.13) dimana, 𝑝(𝑡) = output pengendali 𝑝̅ = nilai bias (steady state) 𝐾𝑐 = gain pengendali
c. Pengendali Derivatif (D)
Kontrol derivatif dapat disebut pengendali laju, karena outputpengendali sebanding dengan laju perubahan sinyal 𝑒(𝑡).Tujuan dari aksi pengendali D adalah untuk mengantisipasi erroryang akan terjadi dengan memperhatikan perubahan variabel terkontrol. Pada umumnya pengendali D digunakan untuk memperbaiki respon dinamik yang umumnya terjadi di banyak loop.
𝑝(𝑡) = 𝑝̅ + 𝜏𝐷𝑑 𝑒(𝑡)
𝑑𝑡 (2.14)
Dimana 𝜏𝐷 adalah waktu derivatif. Output dari pengendali adalah 𝑝̅ saat error adalah konstan (𝑑 𝑒(𝑡)𝑑𝑡 = 0).
Gambar 2.4 Diagram blok pengendali PID paralel Pengendali D tidak akan pernah digunakan sendirian, karena pengendali ini hanya akan aktif pada periode peralihan. Pada periode peralihan, kontrol derivatif menyebabkan adanya redaman pada sistem sehingga lebih memperkecil lonjakan. Seperti pada
10
kontrol proporsional, kontrol derivatif juga tidak dapat menghilangkan offset.
d. Pengendali PID
Pengendali Proportional-Integral-Derivatif (PID) telah digunakan di industri karena struktur yang sederhana,perancangannya mudah, dan efektif. Proporsional (P),Integral (I), dan Derivatif (D) adalah tiga parameter utama pengendali PID. Dengan tuning ketiga parameter dalam algoritma pengendali PID, pengendali dapat memberikan aksi kendali yang telah dirancang untuk proses tertentu. P, I, dan D dijumlahkan untuk menghitung output dari pengendali PID.
Jenis pengendali yang digunakan adalah pengendali PID paralel. Hasil akhir yang didefinisikan oleh 𝑝(𝑡) seperti persamaan berikut. 𝑝(𝑡) = 𝑝̅ + 𝐾𝑐[[𝑒(𝑡) + 1 𝜏𝑖∫ 𝑒(𝑡)𝑑𝑡 𝑡 0 + 𝜏𝐷 𝑑𝑒(𝑡) 𝑑𝑡 ] (2.15) Fungsi alih pengendali PID (dalam domain laplace)dapat dinyatakan sebagai berikut.
𝐺𝑐(𝑠) = 𝐾𝑐⌊1 +
1
𝜏𝑖𝑠+ 𝜏𝐷𝑠⌋ (2.16)
11
Dalam perancangan sistem kontrol PID yang perlu dilakukan adalah mengatur parameter P, I, atau D agar respon sinyal keluaran sistem terhadap masukan tertentu sebagaimana yang diiginkan. Pengembanagan parameter dari ketiga tipe kontrol tersebut menghasilkan tiga gain, 𝐾𝑝, 𝐾𝑖, dan 𝐾𝐷, lebih dari standar
parameter 𝐾𝑐, 𝜏𝑖, dan 𝜏𝐷. Pengembangan parameter ini juga
digunakan dalam software Matlab. Persamaan ini akan lebih tepat digunakan untuk tuning karena tiap gain berdiri sendiri tanpa memengaruhi gain lain. Persamaan pengembangan PID ini dimodelkan dalam persamaan berikut.
𝑝(𝑡) = 𝑝̅ + 𝐾𝑝𝑒(𝑡) + 𝐾𝑖∫ 𝑒(𝑡)𝑑𝑡 𝑡 0 + 𝐾𝐷𝑑𝑒(𝑡) 𝑑𝑡 (2.17) 2.3 Karakteristik Sistem
Karakteristik suatu sistem, merupakan hal yang penting saat perancangan pengendali. Karakteristik sistem dapat diperoleh dengan cara memberikan berbagai sinyal uji. Beberapa jenis sinyal uji antara lain step, impuls, ramp, sinusoidal. Karakteristik sistem dapat dibedakan ke dalam karakteristik sistem openloop dan sistem closeloop. Performansi dalam domain waktu sistem loop tertutup sangat penting bagi perancangan sistem pengendalian. Performansi sistem dinamika dalam domain waktu dapat didefinisikan sebagai respon waktu dengan inputan sinyal uji tertentu. Beberapa jenis plant berdasarkan orde sebagai berikut.
a. Respon Sistem Orde Nol
Dari model matematis sebuah sistem, orde dari suatu sistem dapat dilihat dari besar pangkat varibel 𝑠 (dalam transformasi laplace). Suatu sistem dikatakan memiliki orde nol jika fungsi alihnya mempunyai variabel 𝑠 dengan pangkat tertinggi satu namun tidak memiliki waktu konstan. Model sistem orde nol secara matematis dapat dituliskan sebagai berikut,
𝐶(𝑠) 𝑅(𝑠)= 𝐾𝑝 𝑠 (2.18) dimana, 𝐾𝑝 = gain proses
12
b. Respon Sistem Orde Nol dengan Time Delay
Waktu delay merupakan waktu di mana output dari sistem mulai berubahdikurangi waktu di mana inputsinyal step diberikan. 𝐶(𝑠) 𝑅(𝑠)= 𝐾𝑝 𝑒−𝜃𝑠 𝑠 (2.19) dimana, 𝜃 = waktu delay
c. Respon Sistem Orde Satu
Suatu sistem dikatakan memiliki orde satu jika fungsi alihnya mempunyai variabel 𝑠 dengan pangkat tertinggi satu. Bentuk fisisnya bisa berupa rangkaian listrik RC, sistem termal, atau sistem lainnya. Model sistem orde satu secara matematis dapat dituliskan sebagai berikut,
𝐶(𝑠) 𝑅(𝑠)=
𝐾𝑝
𝜏𝑠 + 1 (2.20)
dimana,
𝜏 : konstanta waktu sistem orde satu
d. Respon Sistem Orde Satu dengan Time Delay
Umumnya dikenal dengan First Order Plus Dead Time (FOPDT). Parameter dari FOPDT antara lain, gain proses (𝐾𝑝) merupakan nilai akhir dari respon (steady state baru) untuk nilai masukan step.Waktu konstan (𝜏) merupakan waktu yang diperlukan proses untuk menyesuaikan perubahan terhadap nilai masukan.Delay (𝜃): waktu di mana output dari sistem mulai berubah dikurangi waktu di mana input sinyal step diberikan.
𝐶(𝑠) 𝑅(𝑠)=
𝐾𝑝
𝜏𝑠 + 1𝑒−𝜃𝑠 (2.21)
Tiga parameter: 𝐾𝑝, , dan 𝜃 sederhana namun cukup
kompleks dan mampu menggambarkan dinamika sistem dengan akurasi yang memadai, mudah diperoleh dengan penyederhanaan model kompleks serta mudah diidentifikasi.
13
2.4 Respon Sistem
Respon sistem adalah perubahan perilaku output terhadap perubahan sinyal input. Respon sistem berupa kurva menjadi dasar untuk menganalisa karakteristik sistem selain menggunakan persamaan/model matematis. Dalam penelitian Tugas Akhir ini, sinyal input yang digunakan untuk menganalisa adalah sinyal step.
Analisa yang dilakukan dalam penelitian ini dalam domain waktu (time respon), adalah karakteristik respon yang spesifikasi performansinya didasarkan pada pengamatan bentuk respon output sistem terhadap berubahnya waktu. Secara umum spesifikasi performansi respon dalam domain waktu dapat dibagi atas dua tahapan pengamatan, yaitu;
Spesifikasi respon transient, adalah spesifikasi respon sistem yang diamati mulai saat terjadinya perubahan sinyal input/gangguan/beban sampai respon masukdalam keadaan steady state. Tolok ukur yang digunakan untuk mengukur kualitas respon transient ini antara lain; rise time, delay time, peak time, settling time, dan %overshoot.
Spesifikasi respon steady state, adalah spesifikasi respon sistem yang diamati mulai saat respon masuk dalam keadaan steady state sampai waktu tak terbatas (dalam praktek waktu pengamatan dilakukan saat (𝜏𝑠: 𝜏: 5𝜏𝑠). Tolok ukur yang digunakan untuk mengukur kualitas respon steady state ini antara lain; %eror steady state baik untuk eror posisi, eror kecepatan maupun eror percepatan.
a. Spesifikasi Respon Step Sistem Orde Satu
Spesifikasi respon step sistem orde satu dapat dinyatakan dalam dua macam spesifikasi yaitu, spesifikasi respon transient dan spesifikasi respon steady state. Secara umum respon sinyal step sistem orde satu dapat digambarkan sebagai berikut.
14
Gambar 2.6 Kurva respon eksponensial orde satu Keluaran 𝑐(𝑡) mula-mula nol kemudian akhirnya menjadi satu. Salah satu karakteristik penting darikurva tanggapan eksponensial 𝑐(𝑡) tersebut adalah pada saat t =𝜏 (periode) harga 𝑐(𝑡) adalah 0,632(63,2 % dari perubahan totalnya). Secara matematis steady state baru diperoleh saat t = 5𝜏.
Tabel 2.1 Nilai respon sistem orde satu 𝒕 𝒄(𝒕)% = 𝟏 − 𝒆𝒕 𝝉⁄ 𝒕(𝑻) 𝒄(𝒕)% = 𝟏 − 𝒆𝒕 𝝉⁄ 0 0 5 9,932,621 0.5 3,934,693 5.5 9,959,132 1 6,321,206 6 9,975,212 1.5 7,768,698 6.5 9,984,966 2 8,646,647 7 9,990,881 2.5 917,915 7.5 9,994,469 3 9,502,129 8 9,996,645 3.5 9,698,026 8.5 99,97965 1 4 9,816,844 9 9,998,766 4.5 988,891 9.5 9,999,251
2.5 Integral Absolute Error (IAE)
Metode tuning dinilai optimal jika mampu meminimalkan akumulasi error (integral error criteria). Plot respon kesalahan untuk sistem yang khas ditunjukkan di bawah ini.
15
Gambar 2.7 Respon kesalahan sistem
Daerah yang terakumulasi saat kesalahan positif ditunjukkan dengan warna biru, dan daerah yang terakumulasi saat kesalahan negatif ditampilkan dalam warna merah. Area merah adalah negatif dan membatalkan beberapa area biru setiap siklus. Salah satu metode analisa respon dari Gambar 2.7 adalah Integral Absolute Error (IAE), dimana membuat nilai absolut dari tiap kesalahan. Tanpa memperhatikan nilai positif atau negatif dari error yang dihasilkan, IAE membuat hasil integral dari error menjadi positif seperti pada gambar berikut.
Gambar 2.8 Respon absolut kesalahan sistem
Analisa performansi sistem ini dikenal sebagai Integral of Absolute value of The Error (IAE). Persamaan matematis IAE digambarkan di bawah ini.
16
𝐼𝐴𝐸 = ∫ |𝑒(𝑡)|𝑑𝑡 = ∫ |𝑟(𝑡) − 𝑦(𝑡)|𝑑𝑡∞
0 ∞
0 (2.22)
2.6 First Order Plus Dead Time (FOPDT)
Pengembangan pemodelan empirik merupakan alternatif ketika pendekatan secara white box dan black box model tidak dapat dilakukan karena kompleksitas dari model itu sendiri. Model yang dikembangkan dengan metode ini memberikan hubungan dinamis antara variabel input dan variabel output. Untuk menentukan sebuah model empirik yang linear dari sebuah proses adalah dengan mencari parameter seperti (dead time, konstanta waktu, dan gain) yang dapat ditentukan dengan step respon data pada kondisi open loop.
Gambar 2.9 Analisis Respon FOPDT
Dengan memberikan step disturbance pada proses dan mencatat variabel output sebagai fungsi waktu, maka dapat dibuat kurva reaksi proses yang menghubungkan antara waktu dengan variabel output. Adapun langkah dalam pembuatan kurva reaksi proses adalah sebagai berikut:
a. Mulai dari steady state b. Step tunggal ke input
c. Kumpulkan data hingga steady state d. Lakukan kalkulasi
17
Selanjutnya ditentukan fungsi transfer atau FOPDT nya. Adapun fungsi alih sebagai berikut :
𝐺(𝑠) =𝐾𝑒−𝜃
𝜏 + 1 (2.23)
K merupakan gain, θ adalah dead time, dan τ adalah konstanta waktu yang dapat dengan mengaplikasikan metode II yaitu kurva reaksi proses (PRC).
𝐾 =
∆𝑦 ∆𝑥 (2.24)𝜏 = 1.5(𝑡
63%− 𝑡
28%)
(2.25)𝜃 = 𝑡
63%− 𝜏
(2.26) DimanaK : gain steady plant τ : time konstan θ : dead time
2.7 Duelist Algorithm
DuelistAlgorithm (DA) merupakan algoritma baru berdasarkan Genetic Algorithm(GA) yang terinspirasi dari pertempuran manusia. Dalam DA, semua individu dalam populasi disebut sebagai duelist, semua duelists akan melawan satu per satu untuk menentukan juara, kalah atau menang. Pertarungan tersebut dibuat dimana yang terkuat memiliki kemungkinan kalah. Ada sebuah kemungkinan bahwa yang lemah akan beruntung untuk menang. Cara agar duelist berkembang salah satunya adalah inovasi yang mirip dengan mutasi pada GA.Pada GA, ada dua cara untuk mengembangkan individu ke yang baru. Pertama adalah crossoverdimana pasangan individu dengan individu lain untuk menghasilkan keturunan baru, genotipe keturunan baru ini adalah berdasarkan orang tua mereka. Kedua adalah mutasi di mana seorang individu bermutasi menjadi yang baru. Perbedaannya hanya pada pemenang akan mungkin melakukan inovasi. Pihak yang kalah akan belajar dari pemenang. Dalam GA, baik mutasi dan crossover tampaknya buta (blind) dalam memproduksi solusi apapun untuk menemukan solusi yang terbaik. Blind berarti bahwa setiap solusi atau diproduksi individu dalam GA mungkin memiliki
18
solusi tidak lebih baik. Bahkan, hal itu mungkin jatuh ke dalam salah satu yang terburuk. DA mencoba untuk meminimalkan efek buta ini dengan memberikan perlakuan yang berbeda pada setiap duelist berdasarkan klasifikasinya.
Setiap duelist memiliki sifat yang dikodekan ke dalam binery array. Setiap duelist dievaluasi untuk menentukan kemampuan mereka bertarung. Jadwal pertarungan diatur untuk setiap duelist yang berisi satu kelompok peserta duel. Dalam duel tersebut, setiap duelist akan bertarung satu lawan satu dengan duelist lainnya. Pertarungan satu lawan satu ini digunakan untuk menghindari local optimum. Setiap duel akan menghasilkan pemenang dan pihak yang kalah berdasarkan kemampuan mereka berkelahi dan faktor keberuntungan. Setelah pertandingan, juara juga ditentukan. Juara adalah duelist yang memiliki kemampuan terbaik dalam pertempuran. Pseudocode untuk menentukan pemenang dan pecundang ditunjukkan pada Algoritma 1.
Algorithm 1. Menentukan pemenang dan pihak yang kalah. Require : Duelist A and B; Luck_Coefficient
A(Luck) = A(Fighting_Capabilities) * (Luck_Coefficient + (rand(0-1) * Luck_Coefficient));
B(Luck) = B(Fighting_Capabilities) * (Luck_Coefficient + (rand(0-1) * Luck_Coefficient)); If((A(Fighting_Capabilities)+A(Luck))<= B(Fighting_Capabilities) + B(Luck))) A(Winner) = 1; B(Winner) = 0; Else A(Winner) = 0; B(Winner) = 1; End
Selanjutnya, masing-masing pemenang dan pihak yang kalah memiliki kesempatan untuk meningkatkan kemampuan bertarung mereka, sementara masing-masing juara melatih duelist baru seperti kemampuan yang mereka miliki. Duelist baru akan bergabung pada pertandingan berikutnya. Setiap pihak yang kalah akan belajar dari pemenang bagaimana menjadi duelist yang lebih
19
baik dengan mengganti bagian tertentu dari berbagai biner dengan nilai binery array pemenang. Sebaliknya, pemenang akan mencoba untuk berinovasi teknik baru atau keterampilan dengan mengubah nilai biner array mereka menjadi sesuatu yang baru. Setiap kemampuan pertempuran duelist yang dievaluasi kembali untuk pertandingan berikutnya. Semua duelist kemudian dievaluasi kembali melalui pasca-kualifikasi dan diurutkan untuk menentukan siapa yang pantas menjadi juara. Karena ada duelists baru yang dilatih oleh sang juara, semua duelists terburuk dieliminasi untuk mempertahankan jumlah duelist di turnamen. Berikut ini diagram alir DA.
20
Gambar 2.10 Diagram alir duelist algorithm Mulai
Registrasi
Eliminasi Petarung Terburuk PASCA-KULAFIKASI Pemenang Melatih Dirinya
Menjadi Lebih Hebat
Menentukan Pemenang Dan Pecundang
Penentuan Pemenang, Pemenang Melatih Petarung Baru Sehingga Mirip dengannya
Pertarungan Antar Tiap Petarung (Kecuali Pemenang)
Pra-Kualifikasi
Pecundang Belajar Dari Pemenang
Turnamen Selesai ?
Selesai
21
2.8 Metode Ziegler-Nichols
Metode Ziegler Nichols adalah salah satu metode untuk menentukan nilai gain atau pentuningan pada suatu sistem. Metode ini memiliki dua cara, metode osilasi dan kurva reaksi. Kedua metode ditujukan untuk menghasilkan respon sistem dengan lonjakan maksimum sebesar 25%.
A. Metode Osilasi
Metode ini didasarkan terhadap reaksi sistem untaian terbuka. Plant sebagai untaian terbuka dikenai sinyal fungsi tangga satuan. Apabila plant tidak mengandung unsur integrator ataupun pole-pole kompleks, reaksi sistem akan berbentuk S. Gambar 2.8 menunjukkan kurva berbentuk S tersebut. Kelemahan metode ini terletak pada ketidakmampuannya untuk plant integrator maupun plant yang memiliki pole kompleks.
Gambar 2.11 Kurva berbentuk S.
Kurva berbentuk S mempunyai dua konstanta, waktu mati (dead time) L dan waktu tunda T. Dari Gambar 2.11 terlihat bahwa kurva reaksi berubah naik, setelah selang waktu L. Sedangkan waktu tunda menggambarkan perubahan kurva setelah mencapai 66% dari keadaan mantapnya. Pada kurva dibuat suatu garis yang bersinggungan dengan garis kurva. Garis singgung itu akan memotong dengan sumbu absis dan garis maksimum. Perpotongan garis singgung dengan sumbu absis merupakan ukuran waktu mati, dan perpotongan dengan garis maksimum merupakan waktu tunda yang diukur dari titik waktu L.
22
Penalaan parameter PID didasarkan perolehan kedua konstanta itu. Zeigler dan Nichols melakukan eksperimen dan menyarankan parameter penyetelan nilai Kp, Ti, dan Td dengan didasarkan pada kedua parameter tersebut. Tabel 2.2 merupakan rumusan penalaan parameter PID berdasarkan cara kurva reaksi.Berikut ini merupakan table penghitungan parameter P, I dan D.
Tabel 2.2 Penalaan paramater PID dengan metode kurva reaksi .
Tipe Pengendali Kp Ti Td
P T/L ~ 0
PI 0,9 T/L L/0.3 0
23
BAB III METODOLOGI PENELITIAN
METODOLOGI PENELITIAN 3.1 Diagram Alir Penelitian
Berikut adalah diagram alir mengenai penelitian yang dilakukan, penjelasan mengenai diagram alir ini akan dibahas pada sub-bab selanjutnya.
Gambar 3.1 Diagram alir penelitian Ya Tidak Mulai Pengumpulan data sekunder Pemodelan Val idas i Hasil dan pembahasan Selesai
Optimisasi parameter tuning PID pada 3 kontroler di amine regenerator
menggunakan DA
Perancangan Duelist Algorithm
24
3.2 Pengumpulan Data
Pengambilan data sekunder meliputi pengambilan data level,temperatur dan tekanan di amine regenerator dengan menggunakan strip chart HYSYS pada penelitian tugas akhir ini. 3.3 Pemodelan
Pembuatan model amine regenerator menggunakan software Aspen HYSYS 7.3 dengan metode FOPDT (first order plus dead time). Pemodelan dilakukan untuk mengidentifikasi perilaku dari unit operasi amine regenerator tersebut, sehingga fungsi transfer yang diperoleh benar–benar merepresentasikan real
3.4 Validasi
Validasi pemodelan diperlukan guna memastikan model dapat merepresentasikan sistem yang sesungguhnya. Validasi pemodelan yang digunakan yakni dilakukan dengan membandingkan antara data real dengan data hasil simulasi model yang didapatkan dengan FOPDT.
3.5 Perancangan Duelist Algorithm
Bersamaan dengan pemodelan sistem, dilakukan perancangan duelist algorithm. Pada proses perancangan ini akan dipilih parameter-parameter yang digunakan dalam pentuningan dengan duelist algorithm, seperti ukuran populasi, nilai maksimum atau jumlah iterasi, dan nilai lingkungan setiap titik.
3.6 Optimisasi parameter tuning kontrol PID pada 3 kontroler di amine regenerator menggunakan DA 3 kontroler yang telah di integrasikan dengan rainwater algorithm yang dibuat. Duelist algorithm yang sudah sepenuhnya aplikatif atau juga berlaku sebagai optimizer ini bekerja untuk mencari parameter pengendali PID meliputi Kp, Ki, dan Kd. 3.7 Analisa Hasil dan Pembahasan
Hasil penerapan rainwater algorithm akan mempengaruhi terhadap nilai parameter yang akan dilakukan optimasi. Parameter
25
gain proporsional (Kp), konstanta waktu integral (Ti), konstanta waktu derivatif (Td), menjadi variabel yang berubah. Analisa yang dilakukan juga dengan membandingkan performansinya dari respon yang dihasilkan seperti error steady state, overshoot, dan settling time. Respon yang dihasilkan dibandingkan dengan beberapa metode optimasi lain pada penelitian sebelumnya
26
27 BAB IV HASIL DAN P EMBAHA SAN
HASIL DAN PEMBAHASAN 4.1 Pemodelan Proses
Proses yang digunakan kali ini dimodelkan pada perangkat lunak Aspen Hysys. Simulasi dilakukan dengan membangun model simulasi untuk gas sweetening plant yang dimulai dengan memilih model fluid package, mengisi data gas umpan, melengkapi kondisi operasi dan laju alir umpan. Setelah itu, pengembangan model simulasi dilaksanakan dengan melengkapi peralatan proses dan utilitasnya. Setelah diagram alir proses (process flow diagram), proses simulasi dilanjutkan dengan mengkonvergenkan absorber dan regenerator. Process flow diagram, yang telah konvergen (robust), akan digunakan sebagai model simulasi absorpsi CO2 dan H2S pada gas sweetening plant dengan amina MDEA. Prosedur-prosedur simulasi ditampilkan sebagai berikut ini.
a. Memilih model fluid package. Amine Package akan digunakan sebagai model dalam penelitian ini. Pemilihan model termodinamika ini disesuaikan dengan jenis senyawa yang digunakan.
b. Mengisi data gas umpan yang terdiri dari jenis senyawa serta komposisinya.
c. Mengisi parameter-paramater proses pada aliran sour gas yang meliputi tekanan, suhu, dan laju alir.
d. Merancang diagram alir proses (Process Flow Diagram) dari Gas SweeteningPlant yang akan dianalisis. Perancangan diambil berdasarkan PFD Gas Sweetening Plant. Diagram alir terdiri dari unit absorber, regenerator, scrubber, pompa, pemanas, pendingin, mixer, dan splitter.
e. Menspesifikasikan tekanan dan suhu pada kondenser dan reboiler untuk mengkonvergenkan kolom absorber.
f. Menspesifikasikan tekanan, suhu, ratio refluks, dan laju ventilasi untuk mengkonvergenkan kolom regenerator. g. Setelah keseluruhan plant sweetening gas konvergen maka
28
akan berfokus pada pengaruh kolom regenerator yang sesuai dengan real plant.
Tabel 4.1 Input dan Ouput pada Absorber dan Regenerator
Variabel Absorber Regenerator
Input Sour Gas dan
Lean Amine (MDEA)
Reach Amine
Output Reach Amine
(amine yang membawa CO2 dan H2S) dan Sweet Gas Lean Amine,CO2 dan H2S
Tabel 4.2 Spesifikasi Absorber dan Regenerator
Variabel Absorber Regenerator
Jenis Tray Valve Valve
Jumlah Tray 12 20 Diameter 2200 mm 1500 mm Tray Spacing 610 mm 610 mm Tekanan Top Kolom 45.6 barg 0.55 barg Tekanan Bawah Kolom 46.3 barg 0.69 barg Suhu Top Kolom 44.5 ˚C 93.3 ˚C
Suhu Bawah
Kolom
30.9 ˚C 118.6 ˚C
Laju Aliran Top Kolom
168202.7 kg/jam 5133.2 kg/jam Laju Aliran Bawah
kolom
29
30
4.2 Pengambilan Data Sekunder
Pengumpulan data sekunder dari program software HYSYS yang dimodelkan berdasarkan data perusahaan PT. Saka Energi berupa Amine Regenerator yakni data desain dan operasional Amine Rgenerator seperti data Level Massa, tekanan, dan temperatur pada Amine Regenerator dalam kondisi steady state dan dinamic dan juga dari proses tersebut dimodelkan dengan menggunakan perangkat lunak Aspen HYSYS. Berikut ini adalah gambar skema Amine Regenerator yang sudah dibuat oleh penelitian sebelumnya yang juga mengacu pada referensi data yang sama.
Gambar 4.2 Model Amine Regenerator
Dan berikut adalah data yang diambil merupakan data operasional yang merupakan cuplikan data operasional Amine Regenerator dalam penelitian ini. Data yang diambil dari HYSYS tersebut berupa nilai Procces Value (PV), Manipulated Variabel (MV), dan Set Value (SV) dengan menggunakan stripchart pada fitur HYSYS dan juga data yang diambil adalah kontrol pada Level (LIC-100), Tekanan (PIC-100) dan Temperatur (TIC-100) kemudian dilakukan uji bump test yaitu menggubah l0% kontrol dari tipe AUT menjadi MAN lalu data tersebut di record dengan sample rated 1 detik dan disimpan dalam bentuk file .xls.
31
Tabel 4.3 Data Operasional TIC-100 Time TIC-100 – PV TIC-100 – SP TIC-100 – OP (Second) (%) (%) (%) 1 116,921 116,921 55 2 116,922 116,922 55 3 116,927 116,927 55 4 116,932 116,932 55 5 116,934 116,934 55 6 116,938 116,938 65 7 116,94 116,94 65 8 116,945 116,945 65 9 116,949 116,949 65 10 116,952 116,952 65 11 116,956 116,956 65 12 116,958 116,958 65 13 116,963 116,963 65 14 116,968 116,968 65 15 116,97 116,97 65 16 116,974 116,974 65 17 116,976 116,976 65 18 116,981 116,981 65 19 116,986 116,986 65 20 116,988 116,988 65 21 116,993 116,993 65 22 116,994 116,994 65 23 117 117 65 24 117,004 117,004 65
32
Tabel 4.4 Data Operasional LIC-100 Time LIC-100 – PV LIC-100 – SP LIC-100 - OP (Second) (%) (%) (%) 1 50,0018 50,0018 41,5 2 50,0018 50,0018 41,5 3 50,0018 50,0018 41,5 4 50,0018 50,0018 41,5 5 50,0018 50,0018 41,5 6 50,0048 50,0048 51,5 7 50,0068 50,0068 51,5 8 50,0166 50,0166 51,5 9 50,0264 50,0264 51,5 10 50,0363 50,0363 51,5
Tabel 4.5 Data Operasional PIC-100 Time PIC-100 – PV PIC-100 – SP PIC-100 - OP (Second) (%) (%) (%) 1 0,887311 0,887311 74,3 2 0,887314 0,887314 74,3 3 0,887303 0,887303 74,3 4 0,887299 0,887299 74,3 5 0,885757 0,885757 74,3 6 0,884158 0,884158 84,3 7 0,883732 0,883732 84,3 8 0,883442 0,883442 84,3 9 0,883172 0,883172 84,3 10 0,882896 0,882896 84,3
33
4.3 Pemodelan Matematis Amine Regenerator
Model matematis dari debutanizer didapatkan melalui pendekatan sistem orde satu, First Order Plus Dead Time (FOPDT), dengan menggunakan persamaan seperti dibawah ini :
FOPDT ∶ 𝐺(𝑠) = 𝐾𝑒−𝜃
𝜏𝑠 + 1 (4.6)
Parameter-parameter yang digunakan untuk pemodelan FOPDT adalah process time constant (τ), process gain (K), Dead time (θ), t63%, dan t28%. Untuk mendapatkan parameter-parameter FOPDT tersebut, dilakukan pengambilan data dengan memberikan step response test pada proses yaitu dengan memutus hubungan antara unit operasi dengan pengendali. Memutus hubungan antara proses dengan pengendali dapat dilakukan dengan mengubah mode auto pada pengendali menjadi mode manual. Selanjutnya memberikan perubahan pada variabel input dengan mengubah bukaan valve. Besar bukaan valve yang diberikan sebesar ±1%, ±2%, ±5%.10%. Hasil dari step response test menunjukan valve dengan bukaan +10% memberikan model yang lebih sesuai. Sehingga pada tugas akhir ini besar bukaan valve yang diberikan adalah kenaikan sebesar 10% pada variabel input. Selanjutnya plot grafik (strip chart) untuk melihat perubahan variabel proses dengan membandingkan antara variabel input dengan variabel proses. Hasil dari plot grafik disimpan ke dalam bentuk excel untuk mendapatkan data record (history) selama perubahan variabel input. Pengambilan data dilakukan sampai variabel proses mencapai keadaan stabil.
Perhitungan data yang dihasilkan dari respon open loop untuk mendapatkan process gain, process time constant, dan dead time. Persamaan – persamaan yang digunakan adalah sebagai berikut.
𝐾 =
∆𝑦∆𝑥 (4.7)𝜏 = 1.5(𝑡
63%− 𝑡
28%)
(4.8)34
Dimana
K : gain steady plant τ : time konstan θ : dead time
t28% : nilai PV ketika mencapai 28% perubahan awal t63% : nilai PV ketika mencapai 63% perubahan awal
Step response test dilakukan dengan memberikan perubahan sebesar 10% pada Level (LIC), Temperatur (TIC) dan Tekanan (PIC). Mengacu pada persamaan 4.7-4.9, beberapa poin di bawah ini akan menjelaskan masing–masing nilai parameter untuk membentuk sebuah persamaan FOPDT akibat perubahan Level, Temperatur dan Teknanan sebesar 10% atau sebesar 80% bukaan untuk output. Berikut ialah hasil simulasi open loop turun 10% pada software HYSYS LIC dan Grafik perubahan nilai MV%.
Gambar 4.3 Grafik hasil simulasi open loop naik 10% pada software HYSYS LIC
35
Gambar 4.4 Grafik uji open loop perubahan nilai MV Dengan langkah yang sama dilakukan juga uji open loop untuk mendapatkan respon sistem control temperatur. Berikut ialah hasil simulasi open loop turun 10% pada software HYSYS TIC dan grafik perubahan nilai MV
Gambar 4.5 Grafik hasil simulasi open loop naik 10% pada software HYSYS TIC-100
36
Gambar 4.6 Grafik uji open loop perubahan nilai MV Hal yang sama juga dilakukan pada PIC. Berikut ialah hasil simulasi open loop turun 10% pada software HYSYS PIC.
Gambar 4.7 Grafik hasil simulasi open loop naik 10% pada software HYSYS TIC-100
37
Gambar 4.8 Grafik uji open loop perubahan nilai MV Dari grafik uji open loop dengan melakukan step test 10% turun maka diperoleh nilai parameter FOPDT. Hasil uji yang digunakan untuk menentukan nilai transfer proses dan berikut adalah hasil tabel pemodelan FOPDT dan cara menghitungnya.
a. Perhitungan Nilai Parameter FOPDT Uji Open Loop HYSYS Level (LIC-100)
Langkah – langkah untuk mencari parameter dengan metode FOPDT adalah :
1. Perubahan MV (ΔMV)
Perubahan MV didapatkan dari selisih bukaan valve dari 70,7% menjadi 60,7%. Maka besarnya ΔMV adalah 60,7%-70,7% = -10%
2. Perubahan PV (ΔPV)
Perubahan PV didapatkan dari selisih Level pada waktu ke 1 s dan ke 780 s, yaitu 49.03 % - 51.22 % = -2.19 %
3. Gain (k)
Gain didapatkan dari perubahan MV dibagi dengan Perubahan PV. Sehingga besarnya nilai gain adalah,
38
𝑘 =−2.195
−10 = 𝟎. 𝟐𝟏𝟗𝟓 4. Nilai Time Constan
Nilai t63% merupakan waktu data ke 63% dari perubahan respon Level sampai menuju steady state. Pertama yang dilakukan untuk mencari nilai t63% adalah dengan mencari nilai PV 63% dari nilai akhir, yaitu nilai pv awal dikurangi dengan 0,63 dikali perubaan pv.
𝑃𝑉63%= 𝑝𝑣 𝑎𝑤𝑎𝑙 − (0,63 ∗ ∆𝑝𝑣) 𝑃𝑉63%= 49,03 − (0,63 ∗ −1,37) 𝑃𝑉63%= 50,41 %
Waktu untuk mencapai PV63% sama dengan 50,4 dapat dicari dengan cara interpolasi. Interpolasi adalah perbandingan waktu yang dibutuhkan pada saat Level tertentu dengan acuan Level yang berada diantaranya. Hasil nilai t63% berada diantara dengan besar Level 49.9912 % dan 49.5249 % Tabel perhitungan interpolasi ditunjukan seperti yang pada Tabel 4.6 berikut,
Tabel 4.6 Interpolasi 63% Level Interpolasi 63%
Level(%) Waktu (detik)
50,417 204
50,4157 X
50,4204 205
X 203.638
Jadi, waktu pada saat level mencapai 63% dari perubahan respon level sampai menuju steady state sebesar 203,638 s
Nilai t28% merupakan waktu data ke 28% dari perubahan respon Level sampai menuju steady state. Nilai waktu tersebut dapat dicari dengan cara interpolasi yang sama pada saat t63%. Jadi, waktu pada saat Level mencapai 28% dari perubahan respon Level sampai menuju steady state sebesar 79.78 s .Hasil interpolasi seperti yang ditunjukan pada Tabel 4.7 berikut:
39
Tabel 4.7 Interpolasi 28% Level Interpolasi 28% Level (%) Waktu (s) 49,639 79 49,647 X 49,649 80 X 79,78
Time Constant dengan metode FOPDT dapat dicari dengan persamaan,
𝜏 = 1,5(𝑡63%− 𝑡28%)
𝜏 = 1,5(203,638 − 79,78) 𝜏 = 185,773
Untuk mempermudah dan memperkecil nilai time constan maka hasil dari time constant diubah ke menit menjadi 3,09. Dari pendekatan matematis dengan menggunakan FOPDT didapatkan fungsi transfer proses yaitu :
𝑔𝐿𝑒𝑣𝑒𝑙 = 𝐾
𝜏𝑠 + 1
𝑔𝐿𝑒𝑣𝑒𝑙 = 0,2195
3,09𝑠 + 1
b. Perhitungan Nilai Parameter FOPDT Uji Open Loop HYSYS Temperatur (TIC-100)
Langkah – langkah untuk mencari parameter dengan metode FOPDT adalah :
1. Perubahan MV (ΔMV)
Perubahan MV didapatkan dari selisih bukaan valve dari 65% menjadi 55%. Maka besarnya ΔMV adalah 55%-65%=-10%
2. Perubahan PV (ΔPV)
Perubahan PV didapatkan dari selisih temperatur pada waktu ke 1 s dan ke 2810 s, yaitu 116,921 oC - 121,437 oC = -4,5 oC
3. Gain
Gain didapatkan dari perubahan MV dibagi dengan Perubahan PV. Sehingga besarnya nilai gain (k) adalah,
40
𝑘 =−4.5
−10 = 𝟎. 𝟒𝟓 𝒐𝑪
% 4. Nilai Time Constan
Nilai t63% merupakan waktu data ke 63% dari perubahan respon temperatur sampai menuju steady state. Pertama yang dilakukan untuk mencari nilai t63% adalah dengan mencari nilai PV63% dari nilai akhir, yaitu nilai pv awal dikurangi dengan 0.63 dikali delta pv
𝑡63%= 𝑝𝑣𝑎𝑤𝑎𝑙 − (0,63𝑥∆𝑝𝑣) 𝑡63%= 116,921 − (0,63𝑥 − 4,5)
𝑡63%= 119,766 oC
Waktu untuk mencapai suhu 119,766 membutuhkan waktu selama 866 s, hal terserbut dapat diketahui dari data yang telah di record pada strip chart HYSYS.
Nilai t28% merupakan waktu data ke 28% dari perubahan respon temperatur sampai menuju steady state. Nilai waktu tersebut ialah 310s. Maka Time Constant dengan metode FOPDT dapat dicari dengan persamaan,
𝜏 = 1,5(𝑡63%− 𝑡28%) 𝜏 = 1,5(866 − 310) 𝜏 = 833𝑠
Dari pendekatan matematis dengan menggunakan FOPDT didapatkan fungsi transfer proses yaitu :
𝑔𝐿𝑒𝑣𝑒𝑙= 𝐾
𝜏𝑠 + 1
𝑔𝐿𝑒𝑣𝑒𝑙= 0,45
833𝑠 + 1
c. Perhitungan Nilai Parameter FOPDT Uji Open Loop HYSYS Tekanan (PIC-100)
Langkah – langkah untuk mencari parameter dengan metode FOPDT adalah :
1. Perubahan MV (ΔMV)
Perubahan MV didapatkan dari selisih bukaan valve dari 72,33% menjadi 62,33%. Maka besarnya ΔMV adalah 62,33%-72,33%= -10%
41
2. Perubahan PV (ΔPV)
Perubahan PV didapatkan dari selisih tekanan pada waktu ke 0 s dan ke 361 s, yaitu 0,880362 bar - 0,902836 bar = -0,02247 bar
3. Gain
Gain didapatkan dari perubahan MV dibagi dengan Perubahan PV. Sehingga besarnya nilai gain (k) adalah,
𝑘 =−0,02247
−10 = 𝟎. 𝟎𝟎𝟐𝟐𝟓 𝒃𝒂𝒓
% 4. Nilai Time Constan
Nilai t63% merupakan waktu data ke 63% dari perubahan respon tekanan sampai menuju steady state. Pertama yang dilakukan untuk mencari nilai t63% adalah dengan mencari nilai PV63% dari nilai akhir, yaitu nilai pv awal dikurangi dengan 0.63 dikali delta pv
𝑡63%= 𝑝𝑣𝑎𝑤𝑎𝑙 − (0,63𝑥∆𝑝𝑣)
𝑡63%= 0,880362 − (0,63𝑥 − 0,002247)
𝑡63%= 0,89452
Waktu untuk mencapai PV63% sama dengan 0,89452 bar dapat dicari dengan cara interpolasi. Interpolasi adalah perbandingan waktu yang dibutuhkan pada saat tekanan tertentu dengan acuan tekanan yang berada diantaranya. Hasil nilai t63% berada diantara dengan besar tekanan 0,894437 bar dan 0,894574 bar. Tabel perhitungan interpolasi ditunjukan seperti yang pada Tabel 4.8 berikut,
Tabel 4.8 Interpolasi 63% Level Interpolasi 63%
Tekanan (bar) Waktu (detik)
0,894437 53
0,89452 X
0,894574 54
X 53,6104
Jadi, waktu pada saat tekanan mencapai 63% dari perubahan respon tekanan sampai menuju steady state sebesar 53,6104 s
Nilai t28% merupakan waktu data ke 28% dari perubahan respon Level sampai menuju steady state. Nilai waktu tersebut
42
dapat dicari dengan cara interpolasi yang sama pada saat t63%. Hasil interpolasi seperti yang ditunjukan pada Tabel 4.9 berikut:
Tabel 4.9 Interpolasi 28% Level Interpolasi 28%
Tekanan (bar) Waktu (s)
0,886012 21
0,88665 X
0,886735 22
X 21,889
Jadi, waktu pada saat tekanan mencapai 28% dari perubahan respon tekanan sampai menuju steady state sebesar 21,889 s . Maka Time Constant dengan metode FOPDT dapat dicari dengan persamaan,
𝜏 = 1,5(𝑡63%− 𝑡28%)
𝜏 = 1,5(53,6104 − 21,889) 𝜏 = 47,58 𝑠
Dari pendekatan matematis dengan menggunakan FOPDT didapatkan fungsi transfer proses yaitu :
𝑔𝐿𝑒𝑣𝑒𝑙= 𝐾
𝜏𝑠 + 1
𝑔𝐿𝑒𝑣𝑒𝑙= 0,00225
47,58𝑠 + 1 4.4 Validasi Pemodelan
Validasi pemodelan dilakukan untuk memberikan kepastian terhadap pemodelan sistem yang telah dilakukan. Validasi dilakukan dengan cara membandingkan hasil simulasi FOPDT dengan hasil pemodelan HYSYS yang didapatkan dari data HYSYS.
a. Validasi Pemodelan HYSYS (TIC)
Validasi pemodelan dilakukan untuk mengetahui model yang telah diperoleh menggunakan pendekatan FOPDT memberikan model yang mendekati respon asli plant. Digunakan error untuk mengetahui keakuratan model yang paling dekat dengan respon asli. Semakin besar nilai absolut error yang didapat, maka semakin buruk model yang dibuat. Pada gambar dibawah terlihat validasi
43
model dari semua fungsi transfer dengan nilai absolut error 0.14. Dari hasil yang didapat model matematis yang diperoleh dari data memberikan respon yang mendekati dengan respon asli plant.
Gambar 4.9 Grafik perbandingan validasi open loop fungsi transfer (TIC-100)
b. Validasi Pemodelan HYSYS (LIC)
Validasi pemodelan dilakukan untuk mengetahui model yang telah diperoleh menggunakan pendekatan FOPDT memberikan model yang mendekati respon asli plant. Digunakan error untuk mengetahui keakuratan model yang paling dekat dengan respon asli. Semakin besar nilai error yang didapat, maka semakin buruk model yang dibuat. Pada gambar dibawah terlihat validasi model dari semua fungsi transfer dengan nilai error 0.017. Dari hasil yang didapat model matematis yang diperoleh dari data memberikan respon yang mendekati dengan respon asli plant.
44
Gambar 4.10 Grafik perbandingan validasi open loop fungsi transfer (LIC-100)
c. Validasi Pemodelan HYSYS (PIC-100)
Validasi pemodelan dilakukan untuk mengetahui model yang telah diperoleh menggunakan pendekatan FOPDT memberikan model yang mendekati respon asli plant. Digunakan error untuk mengetahui keakuratan model yang paling dekat dengan respon asli. Semakin besar nilai error yang didapat, maka semakin buruk model yang dibuat. Pada gambar dibawah terlihat validasi model dari semua fungsi transfer dengan nilai error 0,025. Dari hasil yang didapat model matematis yang diperoleh dari data memberikan respon yang mendekati dengan respon asli plant.
Gambar 4.11 Grafik perbandingan validasi open loop fungsi transfer (PIC-100)
45
4.5 Perancangan Pengendali PID
Untuk merancang sistem pengendalian single loop pada Amine Regenerator khususnya pada (LIC,TIC dan PIC) terlebih dahulu digambarkan diagram blok sistem pengendalian. Untuk selanjutnya dalam setiap blok tersebut diisikan parameter nilai transfer function yang telah didapatkan dari FOPDT.
Gambar 4.12 Diagram blok sistem pengendalian Dimana: A = Input
B = Pengendali (PID) C = Plant
D = Output
Setelah mengambar diagram blok dan paham dari sistem kontrol tersebut maka langkah selanjutnya adalah membuat desain kontrol seperti pada Gambar 4.13 pada software MATLAB R203 di Simulink agar mengetahui performansi tuning kontrol PID berapa nilai optimum kp, ki dan kd yang sesuai dengan yang sudah dimodelkan dengan FOPDT.
Gambar 4.13 Blok desain Simulink sistem pengendalian Tuning dilakukan dengan menggunakan metode kurva/garis Ziegler-Nichols. Penggunaan metode ini dilakukan untuk mendapatkan nilai parameter Kp, Ki, Kd.
Dari tuning dengan metode Ziegler-Nichols secara open loop dihasilkan besar nilai Kp,Ki, dan KD. Hasil tuning dari metode ZN
-
+ D
46
ini akan dijadikan patokan batas atas pada Duelist Algorithma. Tabel 4.10 Berikut merupakan hasil penalaan parameter PID.
Tabel 4.10 Hasil tuning parameter PID
Kp Ki Kd
LIC 1,3 2,2 1,6
TIC 32,12 1,07 0,27
PIC 10,7 12,1 3,01
4.6 Perancangan Duelist Algorithm (DA)
DA pada tugas akhir ini dirancang supaya dapat menghasilkan nilai yang terbaik. Dalam penentuan fungsi objektif dan fungsi fitness perlu diperhatikan supaya tidak terjadi kesalahan, karena jika terdapat kesalahan pada fungsi objektif dan fungsi fitness dapat menghasilkan DA yang kurang baik. Fungsi objektif yang digunakan pada tugas akhir ini adalah meminimalkan nilai IAE. Dari setiap sistem kontrol yang telah dirancang, dilakukan optimasi untuk mendapatkan hasil IAE sekecil mungkin. Analisa yang dilakukan juga dengan membandingkan performansinya dari respon yang dihasilkan seperti error steady state, overshoot, dan settling time.
Tabel 4.11 Parameter DA
Dimensi, (d) 3, (KP,KI,KD)
Jumlah Partikel, N 20
Maksimum Iterasi 15
Batas Atas (Kp;Ki;Kd)
Batas Bawah 0;0;0
4.7 Pengujian Perfomansi Sistem
Uji performansi dilakukan untuk mengetahui hasil dari tuning kontrol PID dengan meggunakan ZN dan setelah dioptimasi dengan DA terhadap respon sistem. Analisa dilakukan pada grafik respon sistem yang diperoleh dengan membandingkan nilai parameter kestabilan berupa settling time, maximum overshoot, dan IAE. Berikut hasil perfomansi dari hasil tuning kontrol PID.
47
Simulasi close loop dari plant amine regenerator (LIC-100,TIC-100, dan PIC-100) ini menggunakan fungsi transfer yang telah dihitung dengan pendekatan FOPDT (First Order Plus Death Time) dari record data secara open loop menggunakan software HYSYS 7.3. Langkah selanjutnya adalah persamaan fungsi transfer tersebut dimasukkan dalam setiap blok Simulink. Kemudian dari blok kontrol PID dengan mode PID diberi nilai kp,ki, dan kd yang didapatkan dari kurva S kemudian di run pada software MATLAB dan didapatkan hasil respon seperti pada gambar 4.14
Berdasarkan Gambar 4.14 respon dari sistem TIC-100 yang dihasilkan terjadi osilasi 2 kali. Kemudian waktu yang dibutuhkan untuk mencapai set point membutuhkan waktu 19 detik dan akan mencapai waktu steady di menit 136 detik (2 menit 16 detik). Dan berdasarkan respon terebut terdapat maksimal overshoot yang tinggi pada saat osilasi mencapai 37,2%.
Gambar 4.14 Respon tuning Kp, Ti dan Td pada TIC-100 Berdasarkan Gambar 4.15 respon dari sistem LIC-100 yang dihasilkan terjadi 4 kali osilasi. Kemudian waktu yang dibutuhkan untuk mencapai set point membutuhkan waktu 7 detik dan akan mencapai waktu steady pada waktu 31 detik. Dan berdasarkan respon terebut terdapat maksimal overshoot yang tinggi pada saat osilasi mencapai 30%.
48
Gambar 4.15 Respon tuning Kp, Ti dan Td pada LIC-100 Berdasarkan Gambar 4.16 respon dari sistem PIC-100 yang dihasilkan terjadi osilasi 4 kali. Kemudian waktu yang dibutuhkan untuk mencapai set point membutuhkan waktu 135 detik dan akan mencapai waktu steady pada waktu 1200 detik (20 menit). Dan berdasarkan respon terebut terdapat maksimal overshoot yang tinggi pada saat osilasi mencapai 18 %.
49
b. Perfomansi sistem hasil simulasi DA
Dalam penelitian ini DA digunakan untuk mencari parameter PID secara bebas tanpa menggunakan mode kontrol tertentu. Artinya, DA akan memilih parameter PID dengan menggunakan semua parameter Kp, Ki. Sesuai dengan nilai batas yang di dapat dari hasil perhitungan tuning Ziegler Nichols dengan harapan nilai yang lebih optimum dan nilai IAE kecil.
DA bekerja mencari nilai paling besar berdasarkan sifatnya yang maximize maka untuk mencari nilai IAE terkecil fungsi objektifnya dibagi agar hasil yang diinginkan dari DA tercapai. Hasil pencarian IAE terkecil dengan melakukan iterasi berulang-ulang untuk mencari fitnes terbaik dan pada saat iterasi ke-15 didapatkan nilai IAE yang paling kecil. Setelah mendapatkan nilai parameter dari DA maka hasil tuning tersebut dicoba performansinya dengan memberikan nilai set point pada level 50%, pada temperatur 118 C dan Tekanan 0,55 barg pada close loop .
Gambar 4.17 Respon grafik perbandingan hasil DA dengan ZN pada TIC-100
Berdasarkan tuning-DA pada gambar 4.17 respon sistem TIC-100 yang dihasilkan ialah terjadi osilasi hanya sekali kemudian akan stabil ketika mencapai nilai set point kemudian waktu yang
![Gambar 2.1 PFD dari acid gas sweetening [2].](https://thumb-ap.123doks.com/thumbv2/123dok/4104366.3053856/26.629.100.535.254.533/gambar-pfd-dari-acid-gas-sweetening.webp)
